BenchLeader

LMArena Hard Promptsのリーダーボード

2026年11月16日時点で、LMArena Hard Promptsの最高スコアは1547で、Gemini 4 Carbon(Google)が記録しています。次点はGemini 4 Argonの1545です。公表された結果があるのは384のモデル構成です(Arena (LMArena)、結果の日付は2026年11月11日)。テキストアリーナと同じ一対比較の投票を、LMArenaの分類器が「難しい」と判定したプロンプト、つまり気軽な雑談ではなく具体的で複雑な多段階の依頼に絞ったものです。LMArena Hard PromptsはBenchLeader Indexの推論スコアに反映されます。

要点(2026年11月16日時点)

  • Gemini 4 CarbonがArena Hard Promptsの最高スコア1547を記録しています(Arena (LMArena)、2026年11月11日)。
  • Arena Hard Promptsの2位はGemini 4 Argonで、1545です(Arena (LMArena)、2026年11月11日)。
  • Arena Hard Prompts:難しいと判定されたプロンプトでのテキストアリーナのレーティング(Arena (LMArena))。
  • BenchLeaderでは384のモデル構成にArena Hard Promptsの公表結果があります(BenchLeader、2026年11月16日)。
  • Arena Hard PromptsはBenchLeader Indexの推論カテゴリに反映されます(BenchLeaderの評価方法)。

難しいと判定されたプロンプトでのテキストアリーナのレーティング。

公開元
Arena (LMArena)
カテゴリ
推論
Indexでの重み
0.5
モデル
384
データ基準日
2026年11月16日

Arena Hard Promptsの今週の動き

2026年11月9日〜2026年11月16日。モデルごとに1行(このボードでの最良の設定)。

CC BY 4.0 — lmarena-ai/leaderboard-dataset on Hugging Face.

どんなテストか

テキストアリーナと同じ一対比較の投票を、LMArenaの分類器が「難しい」と判定したプロンプト、つまり気軽な雑談ではなく具体的で複雑な多段階の依頼に絞ったものです。

採点方法

難しいプロンプトのサブセットでのBradley-Terryレーティングで、スタイルコントロールを適用しています。

注意点

総合ボードよりモデルあたりの投票数が少ないため、信頼区間が広くなります。難しさは結果ではなく分類器によって判定されています。

384件中384件
#
1Gemini 4 Carbonhigh154768.92026-11-11$4.00
2Gemini 4 Argonhigh154565.32026-11-11$4.00
3Muse Wondermax153160.82026-11-11$8.00
4Claude Opus 5.5high153066.02026-11-11$8.00
5Claude Opus 4.6high153062.52026-11-11$10.00
6Claude Fable 5high153063.92026-11-11$20.00
7Claude Opus 4.6152662.12026-11-11$10.00
8Claude Opus 4.7high152560.02026-11-11$10.00
9Claude Fable 5.1max152266.72026-11-11$20.00
10Claude Opus 4.7151963.12026-11-11$10.00
11Gemini 3.8 Flashhigh151859.42026-11-11$1.50
12Muse Spark 1.3max151760.62026-11-11$2.00
13Kimi K3max151660.22026-11-11$6.00
14Claude Opus 5high151564.42026-11-11$10.00
15NEWGemini 4 Hydrogenhigh151463.42026-11-11$3.00
16Muse Spark 1.2xhigh151461.52026-11-11$2.00
17Claude Opus 5max151365.02026-11-11$10.00
18Claude Opus 4.8high151360.42026-11-11$10.00
19GPT-5.6 Solxhigh151163.92026-11-11$8.00
20Muse Spark 1.1151162.22026-11-11$2.00
21Gemini 3.7 Flashhigh151062.12026-11-11$1.50
22Gemini 3.1 Pro150859.92026-11-11$4.50
23GLM 5.3max150758.82026-11-11$2.15
24Qwen3.8 Maxmax150758.72026-11-11$3.00
25Muse Spark150664.22026-11-11–
26Claude Opus 4.8150558.72026-11-11$10.00
27GPT-6.1 Solmax150566.62026-11-11$4.00
28MiMo-V2.6-Pro150457.52026-11-11$0.548
29Kimi K3.1 Promax150459.92026-11-11$4.00
30Claude Sonnet 4.6150357.62026-11-11$6.00
31Gemini 3 Pro150260.02026-11-11–
32Gemini 3.6 Flashhigh150161.02026-11-11$1.50
33GPT-5.5high150163.52026-11-11$11.25
34Claude Opus 4.5high150159.72026-11-11$10.00
35GLM 5.3 Flash150057.82026-11-11$0.238
36GPT-6 Astramax150067.32026-11-11$20.00
37Claude Sonnet 5.5xhigh149962.52026-11-11$4.00
38GPT-5.5149961.02026-11-11$11.25
39DeepSeek V4.1 Flashmax149958.52026-11-11$0.525
40Claude Opus 4.5149957.12026-11-11$10.00
41GPT-5.2149756.72026-11-11$4.81
42GPT-5.4high149658.62026-11-11$5.63
43Gemini 3.5 Flashhigh149662.52026-11-11$3.38
44GLM 5.2max149658.92026-11-11$2.15
45Gemini 3.5 Flashmedium149561.82026-11-11$3.38
46Qwen3.7max149560.02026-11-11$3.75
47MiMo-V2.5-Pro149455.52026-11-11$1.50
48Gemini 3 Flash149356.52026-11-11$1.13
49Qwen3.5 Maxmax1492–2026-11-11–
50GPT-5.5 Instant149156.92026-11-11$11.25
51GPT-5.6 Terraxhigh149160.12026-11-11$4.50
52Claude Sonnet 5high149059.02026-11-11$4.00
53Grok 4.20thinking148958.32026-11-11$1.56
54GLM 5.1148955.42026-11-11$2.15
55Grok 4.5148859.32026-11-11$3.00
56ERNIE 5.11487–2026-11-11–
57Grok 4.20 11487–2026-11-11–
58GPT-5.4148757.92026-11-11$5.63
59Claude Sonnet 4.5high148757.92026-11-11$6.00
60Kimi K2.6148555.12026-11-11$1.71

推論のベンチマークをもっと見る · LLMベンチマーク一覧

引用表記:BenchLeader「Arena Hard Promptsのリーダーボード」2026年11月16日時点のデータ、https://www.benchleader.com/ja/benchmarks/lmarena_text_hard

Arena Hard Prompts:よくある質問

Arena Hard Promptsは何を測るベンチマークですか?
テキストアリーナと同じ一対比較の投票を、LMArenaの分類器が「難しい」と判定したプロンプト、つまり気軽な雑談ではなく具体的で複雑な多段階の依頼に絞ったものです。スコアは一対一の比較から算出するEloレーティングで示され、高いほど良い結果です。
Arena Hard Promptsの最高スコアは?
2026年11月16日時点で、Arena Hard Promptsの最高スコアは1547で、Gemini 4 Carbonが記録しています(結果の日付は2026年11月11日)。次点はGemini 4 Argonの1545です。スコアはArena (LMArena)の公表値で、毎日読み直しています。
Arena Hard PromptsでトップのAIモデルは?
2026年11月16日時点で、Arena Hard Promptsの首位はGemini 4 Carbonで、スコアは1547です(結果の日付は2026年11月11日)。続いてGemini 4 Argon(1545)です。
Arena Hard Promptsの結果があるモデルはいくつですか?
BenchLeaderでは384のモデル構成にArena Hard Promptsの結果があり、すべてArena (LMArena)から取得しています。
Arena Hard Promptsを運営しているのは誰で、どのくらいの頻度で更新されますか?
Arena Hard PromptsはArena (LMArena)が公開しています。BenchLeaderは公開された結果を1日1回読み直し、各結果の公開日を記録しています。
Arena Hard PromptsはBenchLeader Indexに含まれますか?
はい。Arena Hard PromptsはBenchLeader Indexの推論カテゴリに反映され、評価対象モデルの平均が50になるよう正規化されています。